GraphRAG

RAG 工程化进阶考 4 题讲解 4 段

GraphRAG 在索引期用模型抽实体与关系建图，再做社区检测生成层级摘要，回答多跳推理与「全局性总结」这两类向量检索答不出的问题。代价是数倍的索引成本与更新困难，只有问题形态真需要跨文档关系时才值得付。

也叫：GraphRAG · 知识图谱 RAG · 多跳推理 · 社区检测 · 全局摘要

核心机制出自 T2-9

索引阶段用 LLM 从文档里抽取实体-关系-属性三元组，构建知识图谱；再用社区检测算法把图划分成若干「社区」（比如「特斯拉-供应链-电池厂商」自然聚成一簇），并为每个社区预生成摘要。

检索时不只捞相似片段，而是沿着图的关系边走，或直接用社区摘要回答全局性问题。

以上节选自T2-9 GraphRAG、LightRAG 与 Agentic RAG，读全文能看到前后语境。